MATLAB自動(dòng)駕駛函數(shù)及應(yīng)用
定 價(jià):78 元
- 作者:崔勝民 編
- 出版時(shí)間:2020/9/1
- ISBN:9787122373236
- 出 版 社:化學(xué)工業(yè)出版社
- 中圖法分類:U463.61
- 頁(yè)碼:196
- 紙張:膠版紙
- 版次:1
- 開本:16開
《MATLAB自動(dòng)駕駛函數(shù)及應(yīng)用》詳細(xì)介紹了MATLAB用于汽車自動(dòng)駕駛仿真的函數(shù)及應(yīng)用,涵蓋駕駛場(chǎng)景、鳥瞰圖、環(huán)境感知、路徑規(guī)劃和目標(biāo)跟蹤共125個(gè)函數(shù),每個(gè)函數(shù)都給出了應(yīng)用實(shí)例。書中所涉及的實(shí)例,都提供了原程序,并對(duì)程序進(jìn)行了注釋,方便讀者快速理解和掌握。
本書內(nèi)容豐富,圖文并茂,通俗易懂,實(shí)用性強(qiáng),可作為從事自動(dòng)駕駛及智能網(wǎng)聯(lián)汽車開發(fā)的工程技術(shù)人員及相關(guān)專業(yè)的本科生、研究生的參考用書,也可供MATLAB應(yīng)用愛好者閱讀學(xué)習(xí)。
★書中包含自動(dòng)駕駛仿真的基礎(chǔ)操作:駕駛場(chǎng)景、鳥瞰圖、環(huán)境感知、路徑規(guī)劃;
★詳細(xì)介紹了MATLAB自動(dòng)駕駛仿真的125個(gè)函數(shù);
★每個(gè)MATLAB函數(shù)都有應(yīng)用實(shí)例,每個(gè)實(shí)例都有原程序,每個(gè)原程序都有注釋;
★6個(gè)綜合實(shí)例,將前面所講知識(shí)綜合應(yīng)用于自動(dòng)駕駛仿真技術(shù)中。
智能網(wǎng)聯(lián)汽車的發(fā)展已經(jīng)進(jìn)入快速發(fā)展時(shí)期,無論是汽車企業(yè),還是學(xué)校的汽車人才培養(yǎng),都面臨轉(zhuǎn)型升級(jí)。作為智能網(wǎng)聯(lián)汽車開發(fā)的重要工具——基于場(chǎng)景的自動(dòng)駕駛仿真技術(shù)也將得到快速發(fā)展。
本書全面系統(tǒng)地介紹了MATLAB自動(dòng)駕駛函數(shù)及應(yīng)用。全書共分6章:第1章介紹了創(chuàng)建駕駛場(chǎng)景方面的25個(gè)函數(shù),通過這些函數(shù),可以根據(jù)需要建立不同的駕駛場(chǎng)景,它是汽車自動(dòng)駕駛仿真的基礎(chǔ);第2章介紹了鳥瞰圖方面的18個(gè)函數(shù),鳥瞰圖是MATLAB研究汽車自動(dòng)駕駛仿真的新方法,實(shí)現(xiàn)仿真可視化;第3章介紹了環(huán)境感知方面的40個(gè)函數(shù),涉及視覺傳感器和雷達(dá)的檢測(cè)和數(shù)據(jù)處理,以及道路識(shí)別、車輛識(shí)別、行人識(shí)別和交通標(biāo)志識(shí)別等;第4章介紹了路徑規(guī)劃方面的13個(gè)函數(shù),MATLAB提出利用車輛成本圖進(jìn)行路徑規(guī)劃的方法;第5章介紹了目標(biāo)跟蹤方面的29個(gè)函數(shù),主要利用卡爾曼濾波進(jìn)行目標(biāo)跟蹤;第6章介紹了這些函數(shù)的綜合應(yīng)用實(shí)例,涉及汽車自動(dòng)行駛路線仿真、自動(dòng)駕駛場(chǎng)景仿真、汽車前向碰撞仿真、汽車自動(dòng)避障仿真、基于視覺傳感器的多車輛檢測(cè)和跟蹤、基于激光雷達(dá)的地面和障礙物檢測(cè)。
在本書編寫過程中,主要參考了MATLAB官方網(wǎng)站的公開資料,特向其表示謝意。
由于自動(dòng)駕駛仿真是一門新技術(shù),自動(dòng)駕駛函數(shù)又是MATLAB新推出的, 而且采用了一些新技術(shù)和新方法,有些專用英文詞匯與中文詞匯難以匹配,翻譯成中文不一定非常準(zhǔn)確,再加上編者學(xué)識(shí)有限,書中不足之處在所難免,懇盼讀者給予指正。
編 者
崔勝民,哈爾濱工業(yè)大學(xué)(威海),教授,主要研究方向是汽車系統(tǒng)動(dòng)力學(xué)與控制、新能源汽車技術(shù)和特種車輛等,主持完成各類科研項(xiàng)目20余項(xiàng),發(fā)表論文60余篇,培養(yǎng)各類研究生120余人,編著有《新能源汽車技術(shù)解析》《現(xiàn)代汽車技術(shù)解析》《智能網(wǎng)聯(lián)汽車新技術(shù)》《智能網(wǎng)聯(lián)汽車先進(jìn)駕駛輔助系統(tǒng)關(guān)鍵技術(shù)》《一本書讀懂新能源汽車》《一本書讀懂智能網(wǎng)聯(lián)汽車》《基于MATLAB的車輛工程仿真實(shí)例》《基于MATLAB的新能源汽車仿真實(shí)例》《MATLAB編程與汽車仿真應(yīng)用》等多本圖書。
第1章 駕駛場(chǎng)景 / 1
1.1 drivingScenario:創(chuàng)建駕駛場(chǎng)景 2
1.2 plot:繪制駕駛場(chǎng)景 3
1.3 road:添加道路 4
1.4 roadNetwork:添加道路網(wǎng) 5
1.5 roadBoundaries:道路邊界 6
1.6 laneMarking:車道標(biāo)線 8
1.7 laneMarkingVertices:車道標(biāo)線頂點(diǎn) 10
1.8 laneType:車道類型 12
1.9 lanespec:車道規(guī)范 13
1.10 vehicle:添加車輛 14
1.11 actor:添加交通參與者 17
1.12 trajectory:交通參與者軌跡 19
1.13 actorPoses:交通參與者姿態(tài) 20
1.14 actorProfiles:交通參與者特性 22
1.15 currentLane:當(dāng)前車道 23
1.16 record:交通參與者狀態(tài)記錄 25
1.17 chasePlot:繪制追逐圖 26
1.18 laneBoundaries:車道邊界 28
1.19 clothoidLaneBoundary:回旋線車道邊界模型 31
1.20 computeBoundaryModel:計(jì)算車道邊界點(diǎn) 33
1.21 targetPoses:目標(biāo)姿態(tài) 34
1.22 targetOutlines:目標(biāo)輪廓 35
1.23 updatePlots:更新駕駛場(chǎng)景圖 37
1.24 radarDetectionGenerator:雷達(dá)檢測(cè)器 38
1.25 visionDetetionGenerator:視覺檢測(cè)器 41
第2章 鳥瞰圖 / 45
2.1 birdsEyePlot:創(chuàng)建鳥瞰圖 46
2.2 coverageAreaPlotter:覆蓋區(qū)繪圖儀 47
2.3 plotCoverageArea:繪制覆蓋區(qū) 48
2.4 detectionPlotter:檢測(cè)繪圖儀 49
2.5 plotDetection:繪制目標(biāo)檢測(cè) 50
2.6 laneBoundaryPlotter:車道邊界繪圖儀 52
2.7 plotLaneBoundary:繪制車道邊界 53
2.8 laneMarkingPlotter:車道標(biāo)線繪圖儀 54
2.9 plotLaneMarking:繪制車道標(biāo)線 56
2.10 pathPlotter:路徑繪圖儀 58
2.11 plotPath:繪制路徑 59
2.12 trackPlotter:軌跡繪圖儀 61
2.13 plotTrack:繪制軌跡 62
2.14 outlinePlotter:輪廓繪圖儀 63
2.15 plotOutline:繪制輪廓 65
2.16 findPlotter:查找繪圖儀 66
2.17 clearPlotterData:清除繪圖儀數(shù)據(jù) 68
2.18 clearData:清除特定繪圖儀數(shù)據(jù) 69
第3章 環(huán)境感知 / 71
3.1 monoCamera:配置單目攝像機(jī) 72
3.2 imageToVehicle:圖像坐標(biāo)轉(zhuǎn)換為車輛坐標(biāo) 73
3.3 vehicleToImage:車輛坐標(biāo)轉(zhuǎn)換為圖像坐標(biāo) 75
3.4 estimateMonoCameraParameters:?jiǎn)文繑z像機(jī)外部參數(shù) 75
3.5 birdsEyeview:利用逆透視變換創(chuàng)建鳥瞰圖對(duì)象 77
3.6 transformImage:將圖像轉(zhuǎn)換為鳥瞰圖像 78
3.7 imageToVehicle:將鳥瞰圖像坐標(biāo)轉(zhuǎn)換為車輛坐標(biāo) 79
3.8 vehicleToImage:將車輛坐標(biāo)轉(zhuǎn)換為鳥瞰圖像坐標(biāo) 81
3.9 segmentLaneMarkerRidge:檢測(cè)灰度圖像中的車道 82
3.10 parabolicLaneBoundary:拋物線車道邊界模型 83
3.11 findParabolicLaneBoundaries:用拋物線模型尋找車道邊界 84
3.12 insertLaneBoundary:在圖像中插入車道邊界 86
3.13 cubicLaneBoundaryModel:三次方車道邊界模型 87
3.14 findCubicLaneBoundaries:用三次方模型尋找車道邊界 88
3.15 computeBoundaryModel:求車道邊界坐標(biāo)值 90
3.16 evaluateLaneBoundaries:評(píng)價(jià)車道邊界模型 91
3.17 vehicleDetectorACF: ACF車輛檢測(cè)器 92
3.18 detect: ACF目標(biāo)檢測(cè) 93
3.19 vehicleDetectorFasterRCNN: RCNN車輛檢測(cè)器 95
3.20 peopleDetectorACF: ACF行人檢測(cè)器 96
3.21 vision.PeopleDetector:基于HOG特征檢測(cè)行人 98
3.22 configureDetectorMonoCamera:?jiǎn)文繑z像機(jī)目標(biāo)檢測(cè)器 99
3.23 trainACFObjecDetector:訓(xùn)練ACF目標(biāo)檢測(cè)器 101
3.24 trainFastRCNNObjectDetector:訓(xùn)練RCNN目標(biāo)檢測(cè)器 103
3.25 trainFasterRCNNObjectDetector:訓(xùn)練更快的RCNN目標(biāo)檢測(cè)器 105
3.26 trainYOLO v2ObjectDetector:訓(xùn)練YOLO v2目標(biāo)檢測(cè)器 106
3.27 objecDetectorTrainingData:目標(biāo)檢測(cè)器訓(xùn)練數(shù)據(jù) 108
3.28 insertMarker:插入標(biāo)記 109
3.29 pointCloud:創(chuàng)建三維點(diǎn)云 110
3.30 pcdenoise:去除三維點(diǎn)云噪聲 112
3.31 pcmerge:合并三維點(diǎn)云 113
3.32 pcnormals:估計(jì)三維點(diǎn)云表面法線 114
3.33 pctransform:三維點(diǎn)云變換 115
3.34 pcregistercpd:基于CPD的三維點(diǎn)云配準(zhǔn) 117
3.35 pcregistericp:基于ICP的三維點(diǎn)云配準(zhǔn) 118
3.36 pcregisterndt:基于NDT的三維點(diǎn)云配準(zhǔn) 120
3.37 pcsegdist:基于歐幾里得的點(diǎn)云分割 121
3.38 segmentLidarData:激光雷達(dá)數(shù)據(jù)分割 123
3.39 segmentGroundFromLidarData:激光雷達(dá)數(shù)據(jù)分割地面點(diǎn) 125
3.40 pcfitplane:三維點(diǎn)云平面擬合 126
第4章 路徑規(guī)劃 / 129
4.1 vehicleCostmap:車輛成本圖 130
4.2 vehicleDimensions:車輛尺寸 132
4.3 checkFree:空閑區(qū)檢測(cè) 133
4.4 checkOccupied:占用區(qū)域檢測(cè) 134
4.5 getCosts:獲取單元格成本 136
4.6 setCosts:設(shè)置單元格成本 138
4.7 inflationCollisionChecker:碰撞檢測(cè) 139
4.8 pathPlannerRRT: RRT* 路徑規(guī)劃器 141
4.9 plan:路徑規(guī)劃 142
4.10 checkPathValidity:檢查路徑規(guī)劃的有效性 144
4.11 interpolate:沿路徑插入車輛姿態(tài) 145
4.12 smoothPathSpline:路徑平滑 146
4.13 lateralControllerStanley:橫向控制器 147
第5章 目標(biāo)跟蹤 / 149
5.1 multObjectTracker:多目標(biāo)跟蹤器 150
5.2 objectDetection:?jiǎn)文繕?biāo)檢測(cè)報(bào)告 151
5.3 getTrackPositions:獲取跟蹤位置 152
5.4 getTrackVelocities:獲取跟蹤速度 153
5.5 trackingKF:線性卡爾曼濾波器 155
5.6 predict:卡爾曼濾波器預(yù)測(cè) 156
5.7 correct:卡爾曼濾波器校正 157
5.8 initcvkf:勻速線性卡爾曼濾波器 158
5.9 initcakf:加速線性卡爾曼濾波器 159
5.10 trackingEKF:線性擴(kuò)展卡爾曼濾波器 160
5.11 initcvekf:勻速線性擴(kuò)展卡爾曼濾波器 161
5.12 initcaekf:加速線性擴(kuò)展卡爾曼濾波器 162
5.13 initctekf:轉(zhuǎn)向線性擴(kuò)展卡爾曼濾波器 163
5.14 trackingUKF:無跡卡爾曼濾波器 164
5.15 initcvukf:勻速無跡卡爾曼濾波器 166
5.16 initcaukf:加速無跡卡爾曼濾波器 167
5.17 initctukf:轉(zhuǎn)向無跡卡爾曼濾波器 168
5.18 constvel:勻速運(yùn)動(dòng)模型 169
5.19 constveljac:勻速運(yùn)動(dòng)的雅可比矩陣 170
5.20 cvmeas:勻速運(yùn)動(dòng)測(cè)量函數(shù) 171
5.21 cvmeasjac:勻速運(yùn)動(dòng)測(cè)量函數(shù)的雅可比矩陣 172
5.22 constacc:加速運(yùn)動(dòng)模型 173
5.23 constaccjac:加速運(yùn)動(dòng)的雅可比矩陣 174
5.24 cameas:加速運(yùn)動(dòng)測(cè)量函數(shù) 175
5.25 cameasjac:加速運(yùn)動(dòng)測(cè)量函數(shù)的雅可比矩陣 176
5.26 constturn:轉(zhuǎn)向運(yùn)動(dòng)模型 177
5.27 constturnjac:轉(zhuǎn)向運(yùn)動(dòng)的雅可比矩陣 178
5.28 ctmeas:轉(zhuǎn)向運(yùn)動(dòng)的測(cè)量函數(shù) 179
5.29 ctmeasjac:轉(zhuǎn)向運(yùn)動(dòng)測(cè)量函數(shù)的雅可比矩陣 180
第6章 綜合應(yīng)用實(shí)例 / 182
6.1 汽車自動(dòng)行駛路線仿真 183
6.2 駕駛場(chǎng)景仿真 184
6.3 汽車前向碰撞仿真 187
6.4 汽車自動(dòng)避障仿真 188
6.5 基于視覺傳感器的多車輛檢測(cè)和跟蹤 190
6.6 基于激光雷達(dá)的地面和障礙物檢測(cè) 193
參考文獻(xiàn) / 196